地铁拥有运力大、污染小、方便快捷等独特优势,已经成为城市公民主要出行方式之一。地铁使市民便捷出行的同时也伴随着各类灾害的发生,易造成重大财产损失和人员伤亡。相较于单条线路地铁站,地铁换乘站因其结构特殊性,火灾发生后更难处理,危害更大。应对火灾时,当前地铁换乘站的通风排烟措施和单条线路车站的类似,并没有针对性的灾变通风排烟措施。且前人对于地铁换乘站受限空间中的烟流控制研究还不够全面,受限空间地铁换乘站防火规范不够完善,缺乏对应的通风措施和预测模型,亟需地铁换乘站有效的灾变联动控风排烟措施和疏散指导方法。本文以地铁换乘站火灾为研究对象,采用数值模拟、神经网络预判、全尺寸热烟实验、理论分析等方法对地铁站内烟流蔓延趋势、通风排烟模式、人员疏散方法展开研究,主要包括以下方面:（1）为了获得地铁火灾最优的通风排烟模式,分析了地铁换乘站火灾烟流在通风、排烟、挡烟等多元设施作用下的运移特性,基于苏州地铁换乘站调研数据,分析换乘站的各个通风排烟设施的构造和运行参数,设置了12种场景,进行了网格划分及独立性检验,并运用FDS进行数值模拟,对比分析了不同通风排烟模式下温度、一氧化碳、能见度等参数,结果表明:地铁站地下三层火灾时应启用火灾通风模式2,地下二层发生火灾时应启用火灾通风模式4以达到最佳控烟效果。这两种排烟模式在CO排除能力、降温能力、增加烟流区域的能见度能力等方面均优于同种火灾工况下的其他通风排烟模式。（2）为了综合评估通风排烟模式的优劣性。建立地铁站疏散瓶颈处可用疏散时间（ASET）的研判模型。根据上述模型,分析FDS计算结果获得各场景不同疏散瓶颈处的ASET,生成的ASET表,统计分析各疏散瓶颈处的火灾危险性。同时构建地铁站疏散模型,进行地铁高峰期人员疏散数值模拟,分析模拟数据生成不同疏散瓶颈处的必要疏散时间（RSET）表,以确定各疏散瓶颈处的疏散可行性。依据ASET和RSET表,运用总安全指数算法进行运算,确定各通风模式对应的场景的总安全指数,对比总安全指数结果表明:对于地下三层4MW或1.5MW火灾,采用火灾通风模式2相较于正常通风模式和火灾通风模式1,安全指数分别上升了12%和6.9%。地下二层火灾,采用火灾通风模式4相较于正常通风模式和火灾通风模式3,安全指数分别提升13.5%和2.15%。（3）鉴于地铁烟气蔓延关键楼梯口处烟流逆退易造成人员伤亡和疏散路径失效,因此,构建了神经网络烟流逆退预测模型,通过分析地铁楼梯口烟流逆退影响因素,选定神经网络输入层参数设置;通过典型样本的预设值挑选和随机采样方式等方式构建初始样本参数,将其导入FDS软件并运用高性能运算方法快速进行初始样本模拟计算。标识数值结果建立标签来构建训练样本,并进行现场全尺寸热烟实验验证训练样本的可靠性。构建初始神经网络,利用上述样本进行迭代完善,运用循环函数进行遍历,以此来寻找训练结果正确率最高的隐藏层神经网络节点个数、迭代次数等参数,以期达到神经网络最优的预测性能。使用改良后的神经网络预判地铁楼扶梯口烟气逆退情况并对预测结果进行了评价,样本内数据的预测正确率达到99.9375%。